技术标签: python正在处理中
一 numpy模块
NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix))。
import numpy as np
(1).np.linalg.norm(x)
顾名思义:linalg = linear + algebra,norm则表示范数,首先需要注意的是范数是对向量(或者矩阵)的度量,是一个标量(scalar):
首先help(np.linalg.norm查看文档
norm(x, ord=None, axis=None, keepdims=False)
x表示要度量的向量,ord表示范数的种类
参数
说明
计算方法
默认
二范数
np.sqrt(x1**2+x2**2+....+xn**2)
ord=2
二范数
同上
ord=1
一范数
|x1|+|x2|+...+|xn|
ord=np.inf
无穷范数
max(|xi|)
用于计算向量x的2范数
x = np.array([3,4])
y = np.linalg.norm(x)
print(y)
输出结果为5.0
计算矩阵x的2范数 对矩阵每一个元素求平方和然后开根号
x = np.array([3,4,5],[3,4,5])
y=np.linalg.norm(x)print(x)
输出结果为10.0
(2).np.log10(x) #计算以10为底的对数
np.log(x) #log下什么都不写默认是自然对数 e为底
x1 = 10
y1 = np.log10(x1)
x2 = np.e
y2 = np.log(x2)
print(y1,y2)
输出结果为1.0 1.0
(3).np.nan_to_num:Replace nan with zero and inf with finite numbers.
把np.nan(非常小的数字,接近0)用0取代
np.inf,或者-np.inf(正负无穷大的数字)用有限数替代
np.set_printoptions(precision=8)
x= np.array([np.inf, -np.inf, np.nan, -128, 128])print(np.nan_to_num(x))
输出结果为[ 1.79769313e+308 -1.79769313e+308 0.00000000e+000 -1.28000000e+002
1.28000000e+002]
(4).numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。
numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中。
x1 = np.random.randn(2,4)print(x1)
x2= np.random.rand(2,4)print(x2)
输出结果
[[-1.47942602 0.10728309 -1.49062996 1.32908036]
[ 0.37065869 -0.04594328 0.72822393 0.74898655]]
[[ 0.54672608 0.0216933 0.04434537 0.65831692]
[ 0.06332446 0.75230353 0.12993006 0.75911764]]
(5). numpy.random.normal(loc=0.0, scale=1.0, size=None) 正太分布
参数的意义为:
loc:float 概率分布的均值,对应着整个分布的中心center
scale:float 概率分布的标准差,对应于分布的宽度,scale越大越矮胖,scale越小,越瘦高
size:int or tuple of ints 维数
(6).numpy.random.random(size)
random.random()用于生成一个0到1的随机符点数: 0 <= n
< 1.0
(7).numpy.random.uniform(a,b) 用于生成一个指定范围内的随机符点数,两个参数其中一个是上限,一个是下限。如果a > b,则生成的随机数n: a <= n <= b。如果
a
print random.uniform(10, 20)print random.uniform(20, 10)#18.7356606526#12.5798298022
(8).random.randint(a, b)
用于生成一个指定范围内的整数。其中参数a是下限,参数b是上限,生成的随机数n: a <= n <= b
print random.randint(12, 20) #生成的随机数 n: 12 <= n <= 20
print random.randint(20, 20) #结果永远是20#print random.randint(20, 10) # 该语句是错误的。下限必须小于上限
(9).random.randrange([start], stop[, step])
从指定范围内,按指定基数递增的集合中 获取一个随机数。如:random.randrange(10, 100, 2),结果相当于从[10, 12, 14, 16, ... 96, 98]序列中获取一个随机数。random.randrange(10, 100, 2)在结果上与 random.choice(range(10, 100, 2) 等效.
(10).andom.choice(sequence)
从序列中获取一个随机元素。其函数原型为:random.choice(sequence)。参数sequence表示一个有序类型。这里要说明 一下:sequence在python不是一种特定的类型,而是泛指一系列的类型。list, tuple, 字符串都属于sequence。有关sequence可以查看python手册数据模型这一章。下面是使用choice的一些例子:
print random.choice("学习Python")print random.choice(["JGood", "is", "a", "handsome", "boy"])print random.choice(("Tuple", "List", "Dict"))
(11).random.shuffle(x[, random])
用于将一个列表中的元素打乱。如:
p = ["Python", "is", "powerful", "simple", "and so on..."]
random.shuffle(p)printp#['powerful', 'simple', 'is', 'Python', 'and so on...']
(12)对ndarray类型使用len函数
len用于获取一个数组的长度,如果是多维数组,则获取数组的行数。
temp = np.zeros(shape=[10,20])print(len(temp)) #10
(13)np.squeeze(a, axis=None):
从数组的形状中删除单维度条目,即把shape中为1的维度去掉。
x = np.array([[[0], [1], [2]]])print(x.shape) #(1, 3, 1)
print(np.squeeze(x).shape) #(3,)
print(np.squeeze(x, axis=(2,)).shape) #(1, 3)
(14). np.expand_dims(a, axis):
该函数和np.squeeze()正好相反,数组形状扩充一个维度的。
x = np.array([1,2])print(x.shape) #(2,)
y = np.expand_dims(x, axis=0)print(y.shape) #(1, 2)
(15)列向量和行向量,以及秩为1的数组的区别
#-*- coding: utf-8 -*-
"""Created on Sun Mar 25 20:17:21 2018
x = np.array([[[0], [1], [2]]])print(x.shape) #(1, 3, 1)
print(np.squeeze(x).shape) #(3,)
print(np.squeeze(x, axis=(2,)).shape) #(1, 3)
@author: Administrator"""
importnumpy as np'''下面显示了秩为1的数组以及列向量和行向量的使用,以及区别.我们在使用的时候最好不要使用秩为1的数组
并且当我们不确定矩阵或者向量的维数维数时,我们可以使用.reshape(m,n)指定'''
#a为秩为1的数组,我们可以看到转置和本身一致,shape都是(5,)
a = np.random.randn(5)print(a,a.shape) #[ 0.58371745 0.62467384 0.72225761 -0.32777546 -1.06321595] (5,)
print(a.T,a.T.shape) #[ 0.58371745 0.62467384 0.72225761 -0.32777546 -1.06321595] (5,)
r=np.dot(a,a)print(r,r.shape) #2.49046445333 ()
r=np.dot(a,a.T)print(r,r.shape) #2.49046445333 ()
#a1为5x1的列向量
a1 = np.random.randn(5,1)print(a1,a1.shape) #[[-0.20126605]
#[-0.08183096]
#[ 0.12709234]
#[ 1.88915869]
#[1.18566033]] (5, 1)
#r1 = np.dot(a1,a1) #会报错 shapes (5,1) and (5,1) not aligned: 1 (dim 1) != 5 (dim 0)#print(r1,r1.shape)
r1=np.dot(a1,a1.T)print(r1,r1.shape) #[[ 0.04050802 0.01646979 -0.02557937 -0.3802235 -0.23863317]
#[ 0.01646979 0.00669631 -0.01040009 -0.15459166 -0.09702372]
#[-0.02557937 -0.01040009 0.01615246 0.24009759 0.15068834]
#[-0.3802235 -0.15459166 0.24009759 3.56892057 2.23990052]
#[-0.23863317 -0.09702372 0.15068834 2.23990052 1.40579042]] (5, 5)
#a2为1x5的行向量
a2 = np.random.randn(1,5)print(a2,a2.shape) #[ 0.48272148 0.4743339 -0.31309436 2.01153588 -0.58482391] (5,)
#r2 = np.dot(a2,a2) #会报错 shapes (1,5) and (,5) not aligned: 5 (dim 5) != 1 (dim 0)#print(r2,r2.shape)
r2=np.dot(a2,a2.T)print(r2,r2.shape) #[[ 3.81502768]] (1, 1)
#由list或者touple转换为的秩为数组,我们最好指定其shape
c = np.array([1,2,3,4])
print(c.shape) #(4,)
c = np.array([1,2,3,4]).reshape(4,1)
print(c.shape) #(4,1)
d = np.array([[1,2,3],[4,5,6]])
print(d.shape) #(2,3)
参考文献
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法